一、相关概念
Index（索引）【同样是名词这里与mysql中的索引还是有区别的】
Index是名词的时候就是我们平时理解的索引，好比导航一个可以方便我们查询，但在es中Index（索引）常常是一个动词应该被理解为添加。索引是一些具有相似特征的文档集合，类似于MySql中数据库的概念。
Near Realtime（近实时）
Elasticsearch是一个近乎实时的搜索平台，这意味着从索引文档到可搜索文档之间只有一个轻微的延迟(通常是一秒钟)。
Cluster（集群）
群集是一个或多个节点的集合，它们一起保存整个数据，并提供跨所有节点的联合索引和搜索功能。每个群集都有自己的唯一群集名称，节点通过名称加入群集。（集群分为主节点和从节点）
Node（节点）
节点是指属于集群的单个Elasticsearch实例，elasticsearch 是java编写的，所以每个节点本质上都是一个java进程，每个节点存储数据并参与集群的索引和搜索功能。可以将节点配置为按集群名称加入特定集群，默认情况下，每个节点都设置为加入一个名为elasticsearch的群集。
Type（类型）
类型是索引的逻辑类别分区，通常，为具有一组公共字段的文档类型，类似MySql中表的概念。注意：在Elasticsearch 6.0.0及更高的版本中，一个索引只能包含一个类型（_doc）。
Document（文档）
文档是可被索引的基本信息单位，以JSON形式表示，类似于MySql中行记录的概念，即一条信息就是一个文档。
Feilds（列 column）
ES允许同一个字段有两个不同的类型，例如一个字段可以拥有keyword类型来进行聚合与排序，也可以拥有text来做全文检索。
Shards（分片）
当索引存储大量数据时，可能会超出单个节点的硬件限制，为了解决这个问题，Elasticsearch提供了将索引细分为分片的概念。分片机制赋予了索引水平扩容的能力、并允许跨分片分发和并行化操作，从而提高性能和吞吐量。
Replicas（副本）
在可能出现故障的网络环境中，需要有一个故障切换机制，Elasticsearch提供了将索引的分片复制为一个或多个副本的功能，副本在某些节点失效的情况下提供高可用性。
文档的元数据用于标注稳定的相关信息（_index -文档所属的索引名，_type -文档所属的类型名，_source-文档的原始Json数据，_version-文档的版本，_score-相关性得分）
二、简单操作
1、索引操作（index）
1）查看索引信息
GET /_cat/indices?v
2）创建索引
PUT /customer
3）删除索引
DELETE /customer
2、文档操作（document）
1）添加或者修改索引
PUT /customer/_doc/1 { "name": "John Doe" }
2）查看索引中的文档
GET /customer/_doc/1
3）修改索引中的文档
POST /customer/_doc/1/_update { "doc": { "name": "Jane Doe" } }
4）删除索引中的文档
DELETE /customer/_doc/1
5）批量添加
POST /_bulk { "create" : { "_index" : "wxkj", "_type" : "user", "_id" : "1" } } {"name":"jjl","age":30} { "create" : { "_index" : "wxkj", "_type" : "user", "_id" : "2" } } {"name":"xb","age":40}
3、数据搜索（对index下的document操作）
1）查询所有数据
GET /bank/_search
{ "query": { "match_all": {} } }
2）分页搜索，from表示偏移量，从0开始，size表示每页显示的数量
GET /bank/_search { "query": { "match_all": {} }, "from": 0, "size": 10 }
3）搜索排序，使用sort表示，例如按balance字段降序排列
GET /bank/_search { "query": { "match_all": {} }, "sort": { "balance": { "order": "desc" } } }
4）搜索并返回指定字段内容，使用_source表示，例如只返回account_number和balance两个字段内容
GET /bank/_search { "query": { "match_all": {} }, "sort": { "balance": { "order": "desc" } }, "_source": ["account_number", "balance"] }
5）条件搜索，使用match表示匹配条件，例如搜索出account_number为20的文档
GET /bank/_search { "query": { "match": { "account_number": 20 } } }
6）文本类型字段的条件搜索，例如搜索address字段中包含mill的文档，对比上一条搜索可以发现，对于数值类型match操作使用的是精确匹配，对于文本类型(text)使用的是模糊匹配
GET /bank/_search { "query": { "match": { "address": "mill" } }, "_source": [ "address", "account_number" ] }
7）短语匹配搜索，使用match_phrase表示，例如搜索address字段中同时包含mill和lane的文档
GET /bank/_search { "query": { "match_phrase": { "address": "mill lane" } } }
8）组合搜索，使用bool来进行组合，must表示同时满足，例如搜索address字段中同时包含mill和lane的文档
GET /bank/_search { "query": { "bool": { "must": [ { "match": { "address": "mill" } }, { "match": { "address": "lane" } } ] } } }
9）组合搜索，should表示满足其中任意一个，搜索address字段中包含mill或者lane的文档
GET /bank/_search { "query": { "bool": { "should": [ { "match": { "address": "mill" } }, { "match": { "address": "lane" } } ] } } }
10）组合搜索，must_not表示同时不满足，例如搜索address字段中不包含mill且不包含lane的文档
GET /bank/_search { "query": { "bool": { "must_not": [ { "match": { "address": "mill" } }, { "match": { "address": "lane" } } ] } } }
11）组合搜索，组合must和must_not，例如搜索age字段等于40且state字段不包含ID的文档
GET /bank/_search { "query": { "bool": { "must": [ { "match": { "age": "40" } } ], "must_not": [ { "match": { "state": "ID" } } ] } } }
4. 过滤搜索
1）搜索过滤，使用filter来表示，例如过滤出balance字段在20000~30000的文档
GET /bank/_search { "query": { "bool": { "must": { "match_all": {} }, "filter": { "range": { "balance": { "gte": 20000, "lte": 30000 } } } } } }
5、搜索聚合
1）对搜索结果进行聚合，使用aggs来表示，类似于MySql中的group by，例如对state字段进行聚合，统计出相同state的文档数量
GET /bank/_search { "size": 0, "aggs": { "group_by_state": { "terms": { "field": "state.keyword" } } } }
2）嵌套聚合，例如对state字段进行聚合，统计出相同state的文档数量，再统计出balance的平均值
GET /bank/_search { "size": 0, "aggs": { "group_by_state": { "terms": { "field": "state.keyword" }, "aggs": { "average_balance": { "avg": { "field": "balance" } } } } } }
3）对聚合搜索的结果进行排序，例如按balance的平均值降序排列
GET /bank/_search { "size": 0, "aggs": { "group_by_state": { "terms": { "field": "state.keyword", "order": { "average_balance": "desc" } }, "aggs": { "average_balance": { "avg": { "field": "balance" } } } } } }
4）按字段值的范围进行分段聚合，例如分段范围为age字段的[20,30] [30,40] [40,50]，之后按gender统计文档个数和balance的平均值
GET /bank/_search { "size": 0, "aggs": { "group_by_age": { "range": { "field": "age", "ranges": [ { "from": 20, "to": 30 }, { "from": 30, "to": 40 }, { "from": 40, "to": 50 } ] }, "aggs": { "group_by_gender": { "terms": { "field": "gender.keyword" }, "aggs": { "average_balance": { "avg": { "field": "balance" } } } } } } } }